基于Hopfield神经网络的数字识别程序

数字进行归一化处理后，基于神经网络进行数字识别。。

Hopfield网络可以将模拟信号转换成数字形式,实现联想记忆、信号估计和组合最优化,类似于人类视网膜实现第一极信号处理的方法。随着模拟输入电压的增加,电路产生单调递增(比较器-逆变器方案)或递减的(

反馈神经网络模型——Hopfield网络，内附仿真案例，并且详细说明每条代码的功能与参数。使之具有初步研究hopfield神经网络的能力。

基于贝叶斯和神经网络的手写体数字识别方法，用matlab进行了仿真实现

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种 需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度

简单hopfield神经网络实现4个神经元组成的吸引子,W矩阵由(-1,1,1,-1)和(-1,1,-1,1)构造。

Hopfield Neural Network——Hopfield神经网络的python代码，基于Language: Python 3.5.x，API: Google TensorFlow 1.0.x

Hopfield神经网络模型与学习算法，内附仿真实例与代码，并且详细说明每条代码的功能与参数。使之具有初步研究Hopfield神经网络的能力。

人工神经网络实验之一，用hopfield网络解决旅行商问题。简单，有注解，很实用。

使用74行python代码实现简单的手写数字识别神经网络。输出值为10000个测试样本中识别正确的图像数量。